Búsqueda no-informada
|
|
- Miguel Silva Macías
- hace 6 años
- Vistas:
Transcripción
1 Inteligencia rtificial úsqueda no-informada Ingeniería Informática, 4º urso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani 1 Inteligencia rtificial
2 Tema 2: gentes basados en úsqueda Resumen: 2. gentes basados en búsqueda 2.1. úsqueda en espacios de estados 2.2 úsqueda no-informada 2.3. úsqueda heurística 2.4. úsqueda con espacios estructurados 2 Inteligencia rtificial
3 gentes basados en búsqueda mantienen un modelo simbólico del mundo desean modificar el estado del mundo de acuerdo con sus objetivos con tal fin, anticipan los efectos esperados de sus acciones sobre el modelo D E D E 3 Inteligencia rtificial
4 Entorno: problemas bien definidos Problemas bien definidos: discreto: se puede concebir el mundo en estados en cada estado hay conjunto finito de percepciones y acciones accesible: el agente puede acceder a las características relevantes del mundo puede determinar el estado actual del mundo puede determinar el estado del mundo que le gustaría alcanzar estático y determinista: el agente puede planificar todas sus acciones, ya que el mundo cambia sólo cuando el agente actúa el resultado de cada acción está totalmente definido y previsible 4 Inteligencia rtificial
5 Por qué búsqueda? Ejemplo: Torres de Hanoi Objetivo: Trasladar los discos de la aguja a en el mismo orden Restricción: un disco mayor nunca debe reposar sobre uno de menor tamaño ómo escribir el programa de agente correspondiente? 5 Inteligencia rtificial
6 Solución 1: tablas de actuación Tablas de actuación específicos del problema: para cada situación hay una entrada en una tabla de actuación; dicha entrada compila la secuencia de acciones a emprender: cuatro discos en disco 1 de a / disco 2 de a / disco 1 de a / disco 3 de a / disco 1 de a / disco 2 de a /disco 1 de a / disco 4 de a / disco 1 de a / disco 2 de a /disco 1 de a / disco 3 de a / disco 1 de a / disco 2 de a / disco 1 de a mejorar la flexibilidad: aprender nuevas entradas problema: limitaciones de memoria 6 Inteligencia rtificial
7 Solución 2: algoritmo lgoritmos específicos del problema: el diseñador del agente conoce un método para resolver el problema codifica este método en un algoritmo particular para el problema mejorar la flexibilidad: parametrizar el algoritmo problema: el diseñador ha de anticipar todos los escenarios posibles los entornos reales suelen ser demasiado complejos como para anticipar todas las posibilidades PROEDURE MoverDiscos(n:integer; origen,destino,auxiliar:char); { Pre: n > 0 Post: output = [movimientos para pasar n EGIN discos de la aguja origen a la aguja destino] } IF n = 0 THEN {aso base} writeln ELSE EGIN {aso recurrente} MoverDiscos(n-1,origen,auxiliar,destino); write('pasar disco',n,'de',origen,'a',destino); MoverDiscos(n-1,auxiliar,destino,origen) END; {fin ELSE} END; {fin MoverDiscos} 7 Inteligencia rtificial
8 Solución 3: búsqueda Métodos independientes del problema : modelo simbólico del problema: inicialmente todos los discos reposan en y su tamaño decrece de abajo hasta arriba queremos que todos los discos estén en en el mismo orden podemos mover un disco I a la aguja X, si no hay otro disco por encima de I y, si actualmente hay discos en X, entonces dichos discos han de ser más grandes que I cuanto menos movimientos de discos hagamos mejor algoritmo de búsqueda genérico: genera una solución a cualquier problema representado mediante el modelo simbólico mayor flexibilidad: el diseñador no necesita conocer la solución de antemano es más fácil adaptar el método a nuevas características del problema 8 Inteligencia rtificial
9 Ejemplo: El mundo de los bloques Situaciones: n bloques en una mesa de longitud ilimitada cciones: apilar(x,y): poner X encima de Y Prec.: bloques X e Y están libres Efecto: bloque X está encima de Y quitar(y): poner Y en la mesa Prec.: bloque Y está libre Efecto: bloque Y está en la mesa Situación presente Objetivo ctitud del agente: Objetivo: cierta configuración de bloques Sólo la posición vertical es relevante El coste de cada acción es uno 9 Inteligencia rtificial
10 úsqueda en espacios de estados Espacio de estados: modelo del mundo representado por un grafo mundo modelo representación situacion estado nodo situación presente estado inicial nodo inicial acción y sus efectos operador arco secuencia de acciones plan camino Problema de búsqueda: espacio de estados + actitud del agente actitud estados meta eficiencia de un plan representación conjunto de nodos coste de un camino Objetivo: encontrar el plan más eficiente que lleve del estado inicial a un estado meta 10 Inteligencia rtificial
11 Mundo de los bloques: espacio de estados Ejemplo con 3 bloques estado inicial estado meta 11 Inteligencia rtificial
12 Representación del problema de los bloques Ejemplo con 3 bloques Plan óptimo: coste 3 12 Inteligencia rtificial
13 gentes especializados Tareas: 1. Definir el modelo y generar los objetivos onocimiento a priori del agente facilitado por el diseñador 2. Generar el espacio de estados: ver Tema 3 (y, como introducción, Tema 2.4) 3. Percibir y clasificar la situación presente: gentes hardware: Visión artificial, Robótica gentes software: lgoritmos específicos del dominio 4. uscar un plan de actuación 5. Ejecutar el plan de actuación gentes hardware: Robótica gentes software: lgoritmos específicos del dominio 13 Inteligencia rtificial
14 úsqueda en espacio de estados Se trata sólo de encontrar el camino de menor coste en un grafo dirigido? s 1 No podemos contar un una representación explicita del grafo! s 2 s 3 s 4 s 5 s 6 s 7 s 8 s 9 s 10 s 11 s 12 s Inteligencia rtificial
15 onocimientos a priori de nuestro agente Representación implícita del problema de búsqueda onocimientos mínimos a priori de un agente: s 0 Estado inicial expandir: s {s i1,..., s in } onjunto finito de sucesores de un estado meta?: s verdad falso Prueba de éxito en un estado c: (s i, s j ) v, v ℵ oste de un operador c n 1 ( s s s ) = c( s s ) i k= 1 1 i, 2 in ik i k + 1 oste de un plan 15 Inteligencia rtificial
16 Método de búsqueda Método de búsqueda: estrategia para explorar el espacio de estados en cada paso se expande un estado se desarrolla sucesivamente un árbol de búsqueda rbol de búsqueda: Método general de búsqueda: 1. seleccionar nodo hoja 2. comprobar si es nodo meta 3. expandir este nodo hoja 16 Inteligencia rtificial
17 lgoritmo de búsqueda Elementos del algoritmo el árbol se representa en base a un registro del tipo nodo abierta es una lista de nodos, con las hojas actuales del árbol vacía? determina si una lista es vacía primero quita el primer elemento de una lista ordinsertar añade un nodo a una lista, clasificado según una función de orden expandir devuelve los hijos de un nodo {búsqueda general} abierta s 0 Repetir Si vacía?(abierta) entonces devolver(negativo) nodo primero(abierta) Si meta?(nodo) entonces devolver(nodo) sucesores expandir(nodo) Para cada n sucesores hacer n.padre nodo ordinsertar(n,abierta,<orden>) Fin {repetir} 17 Inteligencia rtificial
18 Estados repetidos Problema: el mismo estado puede repetirse varias veces en el árbol de búsqueda puede generarse el mismo subárbol varias veces Soluciones: ignorarlo evitar ciclos simples: no añadir el padre de un nodo al conjunto de sucesores evitar ciclos generales: no añadir un antecesor de un nodo al conjunto de sucesores evitar todos los estados repetidos: no añadir ningún nodo existente en el árbol al conjunto de sucesores 18 Inteligencia rtificial
19 lasificación de métodos aracterísticas: ompletitud: se encuentra una solución si existe Optimalidad: se encuentra la mejor solución si hay varias omplejidad en tiempo: cuánto se tarda en encontrar la solución? omplejidad en espacio: cuánta memoria se utiliza en la búsqueda? Tipos de métodos de búsqueda: No informados (Sesiones 2 y 3) utilizan sólo los conocimientos mínimos (búsqueda en amplitud, búsqueda de coste uniforme, ) Heurísticos (Sesiones 3-5) además utilizan información aproximada, y específica del problema, para guiar la búsqueda (lgoritmo * y extensiones, búsqueda multiagente) on estados estructurados (Sesiones 6 y 7) Se aprovechan de características de los estados para combatir la complejidad (Planificación lineal, Satisfacción de restricciones, ) 19 Inteligencia rtificial
20 Tema 2: gentes basados en úsqueda Resumen: 2. gentes basados en búsqueda 2.1. úsqueda en espacios de estados 2.2 úsqueda no-informada 2.3. úsqueda heurística 2.4. úsqueda con espacios estructurados 20 Inteligencia rtificial
21 úsqueda en amplitud úsqueda en amplitud: inglés: breadth first search Estrategia: generar el árbol por niveles de profundidad expandir todos los nodos de nivel i, antes de expandir nodos de nivel i+1 Resultado: considera primero todos los caminos de longitud 1, después los caminos de longitud 2, etc. Se encuentra el estado meta de menor profundidad 21 Inteligencia rtificial
22 úsqueda en amplitud (evitando ciclos simples): Árbol de búsqueda en amplitud Nivel 1 Nivel 2 Nivel 3 Nivel Inteligencia rtificial
23 lgoritmo para búsqueda en amplitud lgoritmo: usar el algoritmo general de búsqueda añadir nuevos sucesores al final de la lista abierta abierta funciona como cola inserción al final recuperación desde la cabeza estructura FIFO: siempre expandir primero el nodo más antiguo (es decir: menos profundo) {búsqueda en amplitud} abierta s 0 Repetir Si vacía?(abierta) entonces devolver(negativo) nodo primero(abierta) Si meta?(nodo) entonces devolver(nodo) sucesores expandir(nodo) Para cada n sucesores hacer n.padre nodo ordinsertar(n,abierta,final) Fin {repetir} 23 Inteligencia rtificial
24 Árbol de búsqueda en amplitud Lista abierta: Inteligencia rtificial
25 omplejidad omplejidad en tiempo y espacio: proporcional al número de nodos expandidos Suponemos que en el árbol de búsqueda el factor de ramificación es b el mejor nodo meta tiene profundidad d Mejor caso 1 d 2 d 1 d... 1+b+...+b d-1 +1 O(b d ) 0 aso medio 1 d 2 d 1 d b+...+b d-1 +b d /2 O(b d ) Peor caso 1 d 2 d 1 d b+...+b d-1 +b d O(b d ) 25 Inteligencia rtificial
26 Requerimientos de tiempo y memoria Requerimientos de recursos de una búsqueda en amplitud exponencial factor de ramificación efectivo: 10 tiempo: 1000 nodos/segundo memoria: 100 bytes/nodo d nodos tiempo memoria ms 100 ytes ms 11 K s 1 M min 111 M horas 11 G días 1 T años 111 T años T 26 Inteligencia rtificial
27 úsqueda en amplitud: análisis Ventajas: completo: siempre se encuentra un nodo meta si existe óptimo (para operadores de coste uno): siempre se encuentra el nodo meta menos profundo Problemas: complejidad exponencial incluso en el mejor caso los problemas de espacio son aún más graves que los problemas de tiempo 27 Inteligencia rtificial
28 Ejercicio 2.1 Problema de búsqueda / conocimiento del agente: En una mesa se encuentran dos jarras, una con una capacidad de 3 litros (llamada Tres), y la otra con una capacidad de 4 litros (llamada uatro). Inicialmente, Tres y uatro están vacías. ualquiera de ellas puede llenarse con el agua de un grifo G. simismo, el contenido tanto de Tres como de uatro puede vaciarse en una pila P. Es posible echar todo el agua de una jarra a la otra. No se dispone de dispositivos de medición adicionales. Se trata de encontrar una secuencia de operadores que deje exactamente dos litros de agua en uatro. a) Modele este problema como un problema de búsqueda. on tal fin, defina el estado inicial, el conjunto de estados meta, los operadores (especificando sus precondiciones y postcondiciones), así como el coste de cada operador. b) aracterice el conocimiento a priori del agente de resolución del problema correspondiente? Facilite ejemplos de los resultados de la función expandir. c) Encuentre una solución al problema. 28 Inteligencia rtificial
29 Ejercicio 2.2 úsqueda en amplitud: El grafo que se muestra al lado determina un problema de búsqueda. ada nodo representa un estado; los arcos modelan la aplicación de operadores. Suponga que es el estado inicial y que K y E son estados meta a) Desarrolle el árbol de búsqueda que genera la búsqueda en amplitud. Indique el orden en que se expanden los nodos uál de los nodos meta se encuentra primero? b) Instancie el algoritmo de búsqueda general para que realice una búsqueda en amplitud. Ponga el estado de la lista abierta en cada paso del algoritmo. H D F E G K Z W 29 Inteligencia rtificial
30 Ejercicio 2.3 úsqueda en profundidad: ómo se podría utilizar el algoritmo de la transparencia 17 para implementar una búsqueda en profundidad? Haga un análisis de complejidad de dicho algoritmo, similar al de la transparencia 25, asumiendo un límite de profundidad d* fijado a priori. 30 Inteligencia rtificial
Tema 2: Juegos unipersonales
Tema : Juegos unipersonales Resumen:. Juegos unipersonales.. Representación básica.. Juegos con información completa.. Recursos limitados en juegos con información completa.. Juegos con información incompleta
Más detallesInteligencia Artificial
Inteligencia Artificial Tema 2 Búsquedas Ivan Olmos Pineda Contenido Estructura General de un PSA Formulación de un PSA Algoritmos de Búsqueda de Soluciones Aplicaciones BUAP Inteligencia Artificial 2
Más detallesPlanificación. Inteligencia Artificial. Ingeniería Informática, 4º. Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani
Planificación Ingeniería Informática, 4º urso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani 1 Tema 2: gentes basados en úsqueda Resumen: 2. gentes basados en búsqueda 2.1. úsqueda en
Más detalles4ta. Práctica. Búsqueda en árbol con contrincante: MiniMax con poda Alfa-Beta. Inteligencia Artificial Prácticas 2004/2005
4ta. Práctica Búsqueda en árbol con contrincante: MiniMax con poda Alfa-Beta Inteligencia Artificial Prácticas 2004/2005 Decisiones Perfectas en Juegos de DOS Participantes Definición de Juego Estado Inicial:
Más detallesMétodos de Búsqueda para juegos humano-maquina. PROF: Lic. Ana María Huayna D.
Métodos de Búsqueda para juegos humano-maquina PROF: Lic. Ana María Huayna D. Tópicos 1. Introducción 2. Juegos 3. Estrategias de Juego 4. Algoritmo Minimax 5. Algoritmo Poda Alfa-Beta 1.- Introducción
Más detallesIA Robótica. Agente y Entorno. Instituto de Computación Facultad de Ingeniería Universidad de la República
IA Robótica Agente y Entorno Instituto de Computación Facultad de Ingeniería Universidad de la República Agentes Introducción Paradigma Estructura Programas Introducción (1/4) Agente: es todo aquello que
Más detallesEl TAD Grafo. El TAD Grafo
! Esta representación resulta útil cuando el número de vértices se conoce previamente y permanecerá fijo durante la resolución del problema, pero resulta ineficiente si necesitamos añadir o eliminar vértices
Más detallesBúsqueda con adversario
Introducción Búsqueda con adversario Uso: Decidir mejor jugada en cada momento para cierto tipo de juegos Hay diferentes tipos de juegos según sus características: Numero de jugadores, toda la información
Más detallesPara definir en formalmente el juego se deberá establecer:
INTRODUCCION A LA INTELIGENCIA ARTIFICIAL MÓDULO 5- JUEGOS COMO PROBLEMA DE BÚSQUEDA Referencias: Inteligencia Artificial Russell and Norvig Cap.5. Artificial Intellingence Nils Nilsson Ch.3 Se trata el
Más detallesGRAMATICAS LIBRES DEL CONTEXTO
GRMTICS LIBRES DEL CONTEXTO Estas gramáticas, conocidas también como gramáticas de tipo 2 o gramáticas independientes del contexto, son las que generan los lenguajes libres o independientes del contexto.
Más detallesAlonso Ramírez Manzanares Computación y Algoritmos 10.03
Recursividad mat-151 1 Ejercicio de recursión: dibujando una regla Queremos dibujar las marcas de diferentes tamaños de una regla. Marcas grandes cada 1/2 cm, marcas más pequeñas cada 1/4 cm... hasta una
Más detalles3ra. Practica. Algoritmos de Búsqueda. Inteligencia Artificial Prácticas 2004/2005
3ra. Practica Algoritmos de Búsqueda Inteligencia Artificial Prácticas 2004/2005 Algoritmos de Búsqueda Algoritmos Básicos: (búsqueda no informada) Búsqueda preferente por amplitud Búsqueda preferente
Más detallesJUEGOS. Área de aplicación de los algoritmos heurísticos Juegos bi-personales: oponente hostil
JUEGOS Área de aplicación de los algoritmos heurísticos Juegos bi-personales: oponente hostil I Oponente: Jugador: intenta mover a un estado que es el peor para Etiquetar cada nivel del espacio de búsqueda
Más detallesTema 2: Representación de problemas como espacios de estados
Tema 2: Representación de problemas como espacios de estados José Luis Ruiz Reina José Antonio Alonso Franciso J. Martín Mateos Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad
Más detallesDeswik.Sched Planificación con Diagramas de Gantt
Deswik.Sched Planificación con Diagramas de Gantt SOLUCIONES DE PLANIFICACIÓN QUE MARCAN LA DIFERENCIA Un nuevo enfoque dinámico y moderno de planificar Deswik.Sched está diseñado para cubrir todo el espectro
Más detallesI. Complejidad de Problemas
I. Complejidad de Problemas 1. Complejidad de Problemas Tópicos Clasificación de Problemas Clasificación por su Naturaleza Clasificación por su Tratabilidad Clasificación por el tipo de Respuesta 1.1 Clasificación
Más detallesProyecto 2: recorridos sobre grafos y componentes conexas
Universidad Simón Bolívar Departamento de Computación y Tecnología de la Información CI-2693. Laboratorio de Algoritmos y Estructuras III Trimestre Abril-Julio 2015 1. Introducción Proyecto 2: recorridos
Más detalles3. Técnicas de diseño de algoritmos
3. Técnicas de diseño de algoritmos 1. Métodos Generales de Soluciones de Problemas 2. Técnicas de diseño de algoritmos 1. ecursividad básica 2. Divide y vencerás 3. Backtracking Bibliografía Aho, Hopcroft
Más detallesEl Juego como Problema de Búsqueda
El Juego como Problema de Búsqueda En este algoritmo identificamos dos jugadores: max y min. El objetivo es encontrar la mejor movida para max. Supondremos que max mueve inicialmente y que luego se turnan
Más detallesComplejidad computacional (Análisis de Algoritmos)
Definición. Complejidad computacional (Análisis de Algoritmos) Es la rama de las ciencias de la computación que estudia, de manera teórica, la optimización de los recursos requeridos durante la ejecución
Más detallesEjercicios de Lógica Proposicional *
Ejercicios de Lógica Proposicional * FernandoRVelazquezQ@gmail.com Notación. El lenguaje proposicional que hemos definido, aquel que utiliza los cinco conectivos,,, y, se denota como L {,,,, }. Los términos
Más detallesC a l ses P P y y NP C a l se P C a l se N P N P [No N n o -De D te t rmin i i n s i ti t c i Polynomial-tim i e]
Análisis y Diseño de Algoritmos Introducción Análisis y Diseño de Algoritmos Concepto de algoritmo Resolución de problemas Clasificación de problemas Algorítmica Análisis de la eficiencia de los algoritmos
Más detallesMétodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Sistemas Multiagentes IA Distribuida Introducción Esquemas de control
Más detallesRestricciones. Inteligencia Artificial. Ingeniería Superior en Informática, 4º Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani
Restricciones Ingeniería Superior en Informática, 4º Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani 1 Tema 2: Agentes basados en Búsqueda Resumen: 2. Agentes basados en búsqueda
Más detallesTSTC. Dpt. Teoría de la Señal, Telemática y Comunicaciones Tema 1 INTRODUCCIÓN A LA ROBÓTICA
Dpt. Teoría de la Señal, Telemática y Comunicaciones Tema 1 INTRODUCCIÓN A LA ROBÓTICA Secciones 1. Introducción y definiciones. 2. Visión General de la manipulación mecánica. 1. Posicionamiento y Cinemática
Más detallesUNIDAD 9. DATOS COMPLEJOS PILAS
UNI 9. TOS OMPLEJOS PILS Una pila es una lista de elementos en la que se pueden insertar y eliminar elementos sólo por uno de los extremos. omo consecuencia, los elementos de una pila serán eliminados
Más detallesCristian Blanco
UNIDAD DIDÁCTICA 8. ANÁLISIS Y DISEÑO ORIENTADO A OBJETOS. DIAGRAMAS DE COMPORTAMIENTO En el siguiente enlace tienes una descripción y algunos ejemplos de todos los diagramas UML.: http://jms32.eresmas.net/tacticos/uml/umlindex.html
Más detallesMODELOS DE COMPUTACION I Preguntas Tipo Test. 1. El lema de bombeo puede usarse para demostrar que un lenguaje determinado es regular.
MODELOS DE COMPUTACION I Preguntas Tipo Test Indicar si son verdaderas o falsas las siguientes afirmaciones: 1. El lema de bombeo puede usarse para demostrar que un lenguaje determinado es regular. 2.
Más detallesÁrboles. Cursos Propedéuticos 2015. Dr. René Cumplido M. en C. Luis Rodríguez Flores
Árboles Cursos Propedéuticos 2015 Dr. René Cumplido M. en C. Luis Rodríguez Flores Contenido de la sección Introducción Árbol genérico Definición y representación Árboles binarios Definición, implementación,
Más detallesDiseño de compiladores. Organización de memoria. Organización de memoria. Organización de memoria. Zona de código 04/05/2014 ORGANIZACIÓN DE MEMORIA
Diseño de compiladores Gestión de la memoria / Generación de código ORGANIZACIÓN DE MEMORIA Organización de memoria Depende del tipo de lenguaje (declarativos, imperativos), del compilador y del sistema
Más detallesInteligencia Artificial Resolver problemas mediante búsqueda
Inteligencia Artificial Resolver problemas mediante búsqueda Primavera 2007 profesor: Luigi Ceccaroni Resolución de problemas Se quiere: Resolver automáticamente un problema Se necesita: Una representación
Más detallesSistemas de producción y búsqueda de soluciones. Area de Computación e Inteligencia Artificial 1
Sistemas de producción y búsqueda de soluciones Area de Computación e Inteligencia Artificial 1 Técnicas de búsqueda Resolución de problemas en Inteligencia Artificial. En general, podemos afirmar que
Más detallesACTIVIDAD: Control de Lectura # 1: Benchmarking para Competir con Ventaja Por: Roberto J. Boxwell. MATERIA: Ingeniería de Software.
UNIVERSIDAD DON BOSCO FACULTAD DE INGENIERIA ESCUELA DE COMPUTACION CICLO II/2008 ACTIVIDAD: Control de Lectura # 1: Benchmarking para Competir con Ventaja Por: Roberto J. Boxwell MATERIA: Ingeniería de
Más detallesComplejidad de los Algoritmos
Que es un Algoritmo? Complejidad de los Algoritmos Webster: cualquier método especial para resolver cierta clase de problemas. Horowitz: método preciso utilizable en una computadora para la solución de
Más detalles(d) Puede haber estrategias que funcionan mejor que Minimax si el contrincante es
Universidad Rey Juan Carlos Curso 2014 2015 Hoja de Problemas Tema 5 1. Cuáles de las siguientes afirmaciones acerca del algoritmo Minimax son ciertas (a) El algoritmo Minimax realiza una exploración primero
Más detallesActividad de Evaluación Brandon Emmanuelle Cuevas Rangel GPO: 303 Carrera: Informática 3er Semestre Joel Rocha Barocio Cienega de Flores N.L.
Actividad de Evaluación 2.4.1 Brandon Emmanuelle Cuevas Rangel GPO: 303 Carrera: Informática 3er Semestre Joel Rocha Barocio Cienega de Flores N.L. Las técnicas de programación constituyen parte fundamental
Más detallesInteligencia Artificial Problemas de satisfacción de restricciones
Inteligencia Artificial Problemas de satisfacción de restricciones Primavera 2007 profesor: Luigi Ceccaroni Problemas de satisfacción de restricciones (PSRs) Componentes del estado = grafo de restricciones:
Más detallesALGORITMO MINIMAX. o Nodo: Representa una situación del juego. o Sucesores de un nodo: Situaciones del juego a las que se
ALGORITMO MINIMAX Algoritmo de decisión para minimizar la pérdida máxima aplicada en juegos de adversarios Información completa (cada jugador conoce el estado del otro) Elección del mejor movimiento para
Más detallesTema Árboles generales. 9.2 Árboles binarios 9.3 Árboles de búsqueda
Informática Haskell Matemáticas Curso 2004-2005 Pepe Gallardo Universidad de Málaga Tema 9. Árboles 9.1 Árboles generales 9.2 Árboles binarios 9.3 Árboles de búsqueda 9.1 Árboles generales Un árbol es
Más detalles(e) Con la poda alfa-beta se eliminan nodos que nunca serán alcanzados
Universidad Rey Juan Carlos Curso 2014 2015 Hoja de Problemas Tema 5 1. Cuáles de las siguientes afirmaciones acerca del algoritmo Minimax son ciertas (a) El algoritmo Minimax realiza una exploración primero
Más detallesTeoría de grafos y optimización en redes
Teoría de grafos y optimización en redes José María Ferrer Caja Universidad Pontificia Comillas Definiciones básicas Grafo: Conjunto de nodos (o vértices) unidos por aristas G = (V,E) Ejemplo V = {,,,,
Más detallesAutómatas Deterministas. Ivan Olmos Pineda
Autómatas Deterministas Ivan Olmos Pineda Introducción Los autómatas son una representación formal muy útil, que permite modelar el comportamiento de diferentes dispositivos, máquinas, programas, etc.
Más detallesTema 3: El Método Simplex. Algoritmo de las Dos Fases.
Tema 3: El Método Simplex Algoritmo de las Dos Fases 31 Motivación Gráfica del método Simplex 32 El método Simplex 33 El método Simplex en Formato Tabla 34 Casos especiales en la aplicación del algoritmo
Más detallesA B MIN C D E F MAX x E.T.S.I. INFORMÁTICA 4º CURSO. INTELIGENCIA ARTIFICIAL E INGENIERÍA DEL CONOCIMIENTO
E.T.S.I. INFORMÁTICA 4º CURSO. INTELIGENCIA ARTIFICIAL E INGENIERÍA DEL CONOCIMIENTO UNIVERSIDAD DE MÁLAGA Dpto. Lenguajes y Ciencias de la Computación RELACIÓN DE PROBLEMAS. TEMA IV. PROBLEMAS DE JUEGOS.
Más detallesRuta más Corta con una sóla Fuente de Inicio (Single-Source Shortest Paths) DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE
Ruta más Corta con una sóla Fuente de Inicio (Single-Source Shortest Paths) 1 DR. JESÚS A. GONZÁLEZ BERNAL CIENCIAS COMPUTACIONALES INAOE Problema de Encontrar la Ruta más Corta 2 Se requiere llegar de
Más detallesProyecto 6. Árboles de decisión: Un árbol de decisión es un modelo de predicción utilizado en el ámbito de la inteligencia artificial.
Árboles de decisión: Un árbol de decisión es un modelo de predicción utilizado en el ámbito de la inteligencia artificial. Funcionamiento: Se realiza un test en cada nodo interno del árbol, a medida que
Más detallesCURSO DE INTELIGENCIA DE FUENTES ABIERTAS
CURSO DE INTELIGENCIA DE FUENTES ABIERTAS La cantidad de datos disponibles crece diariamente de manera exponencial. Nosotros ofrecemos entrenamiento de primer nivel en la búsqueda, análisis, procesamiento
Más detallesEstructuras de Control
Algorítmica y Lenguajes de Programación Estructuras de Control Estructuras de Control. Introducción Hasta ahora algoritmos han consistido en simples secuencias de instrucciones Existen tareas más complejas
Más detallesInteligencia Artificial. Integrantes Equipo # 1:
INSTITUTO TECNOLÓGICO De Nuevo Laredo Especialidad: Ingeniería en Sistemas Computacionales Catedrático: Ing. Bruno López Takeyas. Asignatura: Inteligencia Artificial. Integrantes Equipo # 1: Javier Alonso
Más detallesCaminos y Flujos optimales. Introducción a la Investigación de Operaciones 2007
Caminos y Flujos optimales Introducción a la Investigación de Operaciones 2007 Contenido Definiciones básicas. Conexidad. Clausura transitiva. Esqueletos y caminos optimales. Redes. Flujos. Algoritmo de
Más detallesgreedy (adj): avaricioso, voraz, ávido, codicioso, glotón
Algoritmos Greedy Análisis y Diseño de Algoritmos Algoritmos Greedy Características generales Elementos de un algoritmo greedy Esquema de un algoritmo greedy s Almacenamiento óptimo en cintas Problema
Más detallesTema 5. Estructura de datos Pila
Tema 5. Estructura de datos Pila http://aulavirtual.uji.es José M. Badía, Begoña Martínez, Antonio Morales y José M. Sanchiz {badia, bmartine, morales, sanchiz}@icc.uji.es Estructuras de datos y de la
Más detallesMicrosoft Project Professional
Microsoft Project Professional Fundamentos en Administración de Proyectos Curso para dominar el manejo de Microsoft Project que capacita a profundidad en las funcionalidades básicas y avanzadas para la
Más detallesNombre de la asignatura: Algoritmos y Lenguajes de programación.
Nombre de la asignatura: Algoritmos y Lenguajes de programación. Créditos: 2-4- 6 Aportación al perfil Dominar la lógica necesaria para aprender lenguajes de programación de alto nivel para poder resolver
Más detallesCUADRO DE MANDO PARA LA ALTA DIRECCIÓN EN EL MINISTERIO DE FOMENTO
CUADRO DE MANDO PARA LA ALTA DIRECCIÓN EN EL MINISTERIO DE FOMENTO Jefe de Proyecto BGS Online Consultores Subdirector General de Tecnología y Sistemas de la Información Ministerio de Fomento Asesor Área
Más detallesInteligencia Artificial. Aprendizaje neuronal. Ing. Sup. en Informática, 4º. Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani
Inteligencia Artificial Aprendizaje neuronal Ing. Sup. en Informática, 4º Curso académico: 20/202 Profesores: Ramón Hermoso y Matteo Vasirani Aprendizaje Resumen: 3. Aprendizaje automático 3. Introducción
Más detalles1. Computadores y programación
1. Computadores y programación Informática y computadora (RAE) Informática (Ciencia de la computación) Conjunto de conocimientos científicos y técnicos que hacen posible el tratamiento automático de la
Más detallesRequerimientos de Software
Requerimientos de Software Ingeniería de Requerimientos Se define como el proceso de establecer los servicios que el consumidor requiere de un sistema y las restricciones sobre las cuales de funcionar
Más detallesGuía práctica de estudio 03: Algoritmos
Guía práctica de estudio 03: Algoritmos Elaborado por: M.C. Edgar E. García Cano Ing. Jorge A. Solano Gálvez Revisado por: Ing. Laura Sandoval Montaño Guía práctica de estudio 03: Algoritmos Objetivo:
Más detallesMODELADO DE CONOCIMIENTO GUIA DE PREGUNTAS Material "MODELADO DE CONOCIMIENTO" Autor: Ramón García-Martínez.
UNIVERSIDAD NACIONAL DE LANUS LICENCIATURA EN SISTEMAS Ingeniería de Software III Prof. Tit.: Dr. Ramón García-Martínez Prof.Aso.: M.Ing. Eduardo Diez JTP: Lic. Darío Rodríguez GUÍA DE TRABAJOS PRACTICOS
Más detallesORGANIZACION DE LA INFORMACION EN LA COMPUTADORA
16 ORGANIZACION DE LA INFORMACION EN LA COMPUTADORA En una computadora se maneja mucha información, pero la persona que la utiliza debe saber guardar la información y buscarla después en el lugar adecuado.
Más detallesInteligencia Artificial. Oscar Bedoya
Inteligencia Artificial Oscar Bedoya oscar.bedoya@correounivalle.edu.co http://eisc.univalle.edu.co/~oscarbed/ia/ * Agentes * Estructura de un agente * Tipos de agentes Agente Sistema que recibe información
Más detallesData Mining, Principios y Aplicaciones
2 DATA MINING Principios y Aplicaciones.. Descubriendo el Conocimiento. bubok.com. lafabooks 2009. http://lafabooks.bubok.com/ Todos los derechos reservados. Prohibida la reproducción parcial o total de
Más detallesJueves, 30 de abril. Ejemplo de recursión. Ejemplo de PD. Ejemplo de programación dinámica. Programación dinámica
.0 Jueves, 0 de abril Programación dinámica. Recursión. Principio de optimalidad. Entregas: material de clase. Programación dinámica Transforma un problema de optimización complejo en una secuencia problemas
Más detallesBúsqueda con adversario
Búsqueda con adversario José Luis Ruiz Reina José Antonio Alonso Jiménez Franciso J. Martín Mateos María José Hidalgo Doblado Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla
Más detallesINTERFACES INTELIGENTES. ING. MA. MARGARITA LABASTIDA ROLDÁN E mail:
INTERFACES INTELIGENTES ING. MA. MARGARITA LABASTIDA ROLDÁN E mail: magielr@gmail.com GENERALIDADES DE LAS INTERFACES INTERFAZ DE USUARIO: Es el dispositivo por medio del cual un usuario realiza la comunicación
Más detallesProfesor(a): Ing. Miriam Cerón Brito
Área Académica: Informática Tema: Hoja electrónica Profesor(a): Ing. Miriam Cerón Brito Periodo: Enero Junio 2014 Abstract: This presentation show the spreadsheet's characteristics and show the principals
Más detallesCONTENIDO 1 Diagrama de flujo 2 Pseudocodigo 3 Diagrama estructurado (nassi-schneiderman)
CONTENIDO 1 Diagrama de flujo 2 Pseudocodigo 3 Diagrama estructurado (nassi-schneiderman) Las dos herramientas utilizadas comúnmente para diseñar algoritmos son: Diagrama de Flujo Pseuducodigo 1 Diagrama
Más detallesUniversidad Tec Milenio: Profesional HG04002 Análisis de Decisiones I
Tema # 10 El método de las M s como solución de problemas de programación lineal 1 Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Resolver modelos de programación lineal mediante
Más detallesSistemas Operativos. Dr. Luis Gerardo de la Fraga. Departamento de Computación Cinvestav
Sistemas Operativos Dr. Luis Gerardo de la Fraga E-mail: fraga@cs.cinvestav.mx http://cs.cinvestav.mx/~fraga Departamento de Computación Cinvestav 12 de junio de 2015 Dr. Luis Gerardo de la Fraga Cinvestav,
Más detallesRedes Semánticas. IIMAS Inteligencia Artificial. Alumno: Vicente Iván Sánchez Carmona Profesora: Dr. Ana Lilia Laureano
Redes Semánticas IIMAS Inteligencia Artificial Alumno: Vicente Iván Sánchez Carmona Profesora: Dr. Ana Lilia Laureano Representación del conocimento El problema de cómo almacenar el conocimiento a ser
Más detalles1: INTRODUCCIÓN AL USO DE LA HOJA DE CALCULO EXCEL COMO HERRAMIENTA PARA DESARROLLAR PROBLEMAS EN INGENIERÍA. SOLVER, REGRESION LINEAL MULTIPLE
Practica 1: INTRODUCCIÓN AL USO DE LA HOJA DE CALCULO EXCEL COMO HERRAMIENTA PARA DESARROLLAR PROBLEMAS EN INGENIERÍA. SOLVER, REGRESION LINEAL MULTIPLE I. INTRODUCCION Las planillas de cálculo se han
Más detallesConvertir un AFND a un AFD
Convertir un AFND a un AFD Existe una equivalencia entre los AFD y AFN, de forma que un autómata M es equivalente a un autómata M' si L(M) ) L(M'). Ejemplo: Los autómatas de la siguiente figura son equivalentes.
Más detallesUniversidad de Cantabria. Facultad de Ciencias Ingeniería en Informática. Ingeniería del Software II
Universidad de Cantabria. Facultad de Ciencias Ingeniería en Informática. Ingeniería del Software II Ejercicios del Tema 1: Construcción y Pruebas del Software Ejercicio 1 Se desean realizar pruebas de
Más detallesProgramación Declarativa UNIVERSIDAD DE MÁLAGA
Programación Declarativa UNIVERSIDAD DE MÁLAGA (3 o de Ingeniería Técnica en Informática) E.T.S.I. INFORMÁTICA Septiembre de 2006 mbre: Especialidad: Prolog Grupo: Ejercicio 1.1 (1 punto) Realizad el árbol
Más detallesMáquinas de Turing IIC3242. IIC3242 Máquinas de Turing 1 / 42
Máquinas de Turing IIC3242 IIC3242 Máquinas de Turing 1 / 42 Complejidad Computacional Objetivo: Medir la complejidad computacional de un problema. Vale decir: Medir la cantidad de recursos computacionales
Más detallesLas redes semánticas intentan trasladar esa afirmación a un formalismo Una red semántica será un grafo donde:
Redes Semánticas Redes semánticas La lógica como lenguaje de representación tiene dificultades prácticas Son necesarios mecanismos mas intuitivos y fáciles de usar La psicología cognitiva afirma: La representación
Más detallesCapítulo 12: Indexación y asociación
Capítulo 12: Indexación y asociación Conceptos básicos Índices ordenados Archivos de índice de árbol B+ Archivos de índice de árbol B Asociación estática Asociación dinámica Comparación entre indexación
Más detallesla solución a una ecuación cuadrática solicitando al usuario los términos de dicha ecuación.
ALGORITMOS SECUENCIALES: La estructura secuencial es aquella en la que una acción (instrucción) sigue a otra en secuencia. Las tareas se suceden de tal modo que la salida de una es la entrada de la siguiente
Más detallesPráctica IV: Métodos de Newton-Raphson y de la secante, para encontrar las raíces de una función.
Práctica IV: Métodos de Newton-Raphson y de la secante, para encontrar las raíces de una función. Se suele llamar método de Newton-Raphson al método de Newton cuando se utiliza para calcular los ceros
Más detallesTeoría de colas. Las colas (líneas de espera) son parte de la vida diaria
Teoría de colas Las colas (líneas de espera) son parte de la vida diaria Supermercado - Servicios de reparaciones - Telecom. Banco - Comedor universitario - Producción El tiempo que la población pierde
Más detallesTécnicas de Clasificación Supervisada DRA. LETICIA FLORES PULIDO
Técnicas de Clasificación Supervisada DRA. LETICIA FLORES PULIDO 2 Objetivo El objetivo principal de las técnicas de clasificación supervisada es obtener un modelo clasificatorio válido para permitir tratar
Más detallesPROGRAMA DE CAMPO TRIMBLE SCS900 versión 3.0
PROGRAMA DE CAMPO TRIMBLE SCS900 versión 3.0 El programa de campo Trimble SCS900 es un programa topográfico diseñado para construcción, muy fácil de utilizar y que permite a los topógrafos realizar su
Más detallesTema 3: Problemas de Satisfacción de Restricciones
Tema 3: Problemas de Satisfacción de Restricciones Universidad de Granada Tema 3: Satisfacción de Restricciones Contenido Problemas de satisfacción de restricciones Métodos de búsqueda Búsqueda local para
Más detallesRepresentación del Conocimiento Otros formalismos. Licenciatura en Ciencias de la Computación. Introducción a la Inteligencia Artificial.
Representación del Conocimiento Otros formalismos Licenciatura en Ciencias de la Computación. Introducción a la Inteligencia Artificial. Conocimiento Definición El conocimiento es una mezcla de experiencia,
Más detallesESTRUCTURAS ALGORITMICAS
ESTRUCTURAS ALGORITMICAS El proceso de resolución de problemas en un ordenador conduce a la escritura de un programa y su ejecución. Las fases en el desarrollo de un programa pueden resumirse de la siguiente
Más detallesb) t=60. Los semáforos de A están en amarillo durante 3 segundos. c) t=63. Los semáforos de A pasan a rojo y los de B a amarillo durante 3
Ejercicio 1. Se desea diseñar un sistema informático que controle los semáforos de la calle mostrada en la siguiente figura. Cuando no hay peatones, el comportamiento de los semáforos es el siguiente (sea
Más detallesTeorema de Thales Guía del profesor
Teorema de Thales Guía del profesor Contenidos: Teorema de Thales sobre trazos proporcionales. Relación entre paralelismo, semejanza y la proporcionalidad entre trazos. Aprendizajes Esperados: Conocer
Más detallesProfesorado de Nivel Medio y Superior en Biología Matemática - 1º Cuatrimestre Año 2013 FUNCIÓN CUADRÁTICA
Matemática - º Cuatrimestre Año 0 FUNCIÓN CUADRÁTICA Hemos definido anteriormente la función lineal como una función f: R R de la forma f()a+b con a R y b R, que se representa en el plano mediante una
Más detalles4. DIAGRAMAS DE INTERACCIÓN INTRODUCCIÓN DIAGRAMAS DE SECUENCIA Objetos Mensajes
4. DIAGRAMAS DE INTERACCIÓN...37 4.1. INTRODUCCIÓN... 37 4.2. DIAGRAMAS DE SECUENCIA... 37 4.2.1. Objetos...37 4.2.2. Mensajes...38 4.2.3. Creación y destrucción de un objeto...39 4.3. DIAGRAMAS DE COLABORACIÓN...
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE HONDURAS
UNIVERSIDAD NACIONAL AUTÓNOMA DE HONDURAS RECTORÍA Dirección de Evaluación de Permanente de la calidad Acuerdo de Colaboración Académica celebrado entre la Universidad Nacional Autónoma de Honduras (UNAH)
Más detallesEstatutos de Control C# Estatutos de Decisión (Selección)
SELECCIÓN Estatutos de Control C# Estatutos de Decisión (Selección) IF Condición THEN Estatuto1 ELSE Estatuto2 Estatuto1 Statement Condición... Antes de ver esta presentación: Lee el Capítulo correspondiente
Más detallesEL PROCESO DE LA ESCRITURA
EL PROCESO DE LA ESCRITURA _ Guía básica para la producción de textos académicos Presentación del proceso de la escritura Equipo de Lectura y escritura PACE-PAIEP A veces cuando queremos escribir entramos
Más detallesFacultad De Ingeniería Programa de Ingeniería Industrial
Facultad De Ingeniería Programa de Ingeniería Industrial Código Materia: 05252 Excel Nivel Intermedio Requisito: 09641 Habilidades Básicas en Hojas Electrónicas Programa Semestre: Ingeniería Industrial
Más detallesARBOLES ARBOLES BINARIOS ORDENADOS. REPRESENTACIÓN Y OPERACIONES
ARBOLES ARBOLES BINARIOS ORDENADOS. REPRESENTACIÓN Y OPERACIONES Características ARBOLES - CONCEPTOS Cada elemento del árbol se relaciona con cero o más elementos a quienes llama hijos. Si el árbol no
Más detallesDiagramas De Casos De Uso
Estáticos Diagramas De Casos De Uso Los diagramas de casos de uso documentan el comportamiento de un sistema desde el punto de vista del usuario.. Por lo tanto los casos de uso determinan los requisitos
Más detallesDistorsión dinámica temporal Búsqueda Algoritmos de búsqueda gráfica Algoritmos de programación dinámicos
Clase nº 9 Año académico 2003 Distorsión dinámica temporal y búsqueda Distorsión dinámica temporal Búsqueda Algoritmos de búsqueda gráfica Algoritmos de programación dinámicos 6.345 Reconocimiento automático
Más detallesResumen de técnicas para resolver problemas de programación entera. 15.053 Martes, 9 de abril. Enumeración. Un árbol de enumeración
5053 Martes, 9 de abril Ramificación y acotamiento () Entregas: material de clase Resumen de técnicas para resolver problemas de programación entera Técnicas de enumeración Enumeración completa hace una
Más detallesDiseño Estructurado de Algoritmos
Diseño Estructurado de Algoritmos 1 Sesión No. 1 Nombre: Conceptos de algoritmos Objetivo de la sesión: Al concluir la sesión el estudiante identificará los conceptos básicos sobre la definición de algoritmos
Más detallesAlgoritmos para determinar Caminos Mínimos en Grafos
Problemas de camino mínimo Algoritmos para determinar Caminos Mínimos en Grafos Algoritmos y Estructuras de Datos III DC, FCEN, UBA, C 202 Problemas de camino mínimo Dado un grafo orientado G = (V, E)
Más detalles